Construir memoria de agente portátil en un solo archivo con Mem…

Construir memoria de agente portátil en un solo archivo con Memvid

Usa Memvid cuando un agente necesite memoria y recuperación local y portátil a largo plazo sin ejecutar una base de datos vectorial o un servicio RAG completo.

Prerrequisitos

CLI o SDK de Memvid; archivos de modelo de embedding opcionales para búsqueda vectorial local

Instalación

Usa la ruta de instalación o configuración oficial que coincida con tu entorno:

• git clone https://github.com/memvid/memvid.git
• cargo build
• cargo build --release
• cargo build --release --features "lex,vec,temporal_track"

Requisitos y advertencias del repositorio original:

• | Node.js SDK | npm install @memvid/sdk | |
• | Python SDK | pip install memvid-sdk | |
• Búsqueda de imágenes usando embeddings CLIP (requiere la funcionalidad clip):

Notas de uso básico o inicio rápido:

• MEMVID_WHISPER_MODEL=whisper-tiny-en-q8k cargo run --example test_whisper --features whisper -- audio.mp3

• Descargar el modelo BGE-small predeterminado (384 dimensiones, rápido y eficiente):

• Fuente: https://github.com/memvid/memvid

• Extraído de la documentación original: https://raw.githubusercontent.com/memvid/memvid/HEAD/README.md

Documentación

• https://docs.memvid.com

Fuente

• Agent Skill Exchange